发布于: May 19, 2021
物联网数据传输是物联网应用系统中最为关键的一环。以风力发电场为例，现在，您正在从涡轮机中提取一个稳定的数据流。在分析数据并将其提供给上游应用程序之前，您需要处理并“清理”此数据。Amazon Web Services IoT Analytics 可用于收集、处理和存储非结构化数据，也可以使用SQL 或 Jupyter 笔记本分析此数据。从 Amazon Web Services IoT Core 收到的涡轮机数据按照如下方式分阶段处理：通道从 Amazon Web Services IoT Core 接收按 MQTT 主题 turbines/site1/# 过滤的数据工作流处理来自此通道的消息。您可以通过过滤器和转换来丰富数据。在这里，您可以通过调用 Lambda 函数（包含向 Amazon PinPoint 发送消息的逻辑）来触发对传入数据的操作。如果振动读数超过 100 Hz，则表示即将发生故障，Amazon PinPoint 会为现场工程师生成 SMS 通知。您可以使用来自其他来源的数据（例如，天气数据）来丰富流的上下文，并清除任何可能妨碍分析的嘈杂或损坏的消息或错误读数。最后，数据存储在时间序列数据集中，它可以在那里使用 SQL 和 Jupyter 笔记本进行可视化或分析。您还可以安排每 15 分钟进行一次自动查询刷新，确保上游应用程序可以使用最新数据。
4.分析和可视化数据以支持见解和操作
借助处理后的数据集，您可以使用商业智能 (BI) 服务 Amazon QuickSight 直接连接到 Amazon Web Services IoT Analytics 中的数据集，并创建一个控制面板来显示特定涡轮机模型的涡轮速度、振动和当前电力输出。这使您可以分析资产性能随时间的变化、获得新的见解，然后确定提高效率和最大限度地提高风电场性能的措施。随着越来越多的设备通过对数据提供更高的保真度而连接起来，这些见解的价值也随之增加。例如，您可以覆盖天气、GPS 位置和振动数据，从而发现完全相同类型的涡轮机模型会因当地的天气条件或温度而具有完全不同的表现。然后，您可以使用这种见解来根据需要修改涡轮机机械属性，并且还可将其用作新涡轮机产品开发的连续反馈循环，从而实现最大限度地提高能源输出和整体涡轮机性能的目标。
您还可以使用 SQL 在 Amazon Web Services IoT Analytics 数据存储上创建临时查询。例如，要查找具有潜在机械问题的涡轮机，您可以使用以下查询来搜索超过 100 Hz 的振动读数：
SELECT thingid, vibration, datetime FROM turbine_datastore WHERE vibration > 100
输出显示在 Amazon Web Services IoT 控制台中，并以可下载的 CSV 文件形式提供。
对于更复杂的分析和预测，您还可以将集成的 Jupyter Notebook 与 ML 分析和 Python 结合使用。有几个示例 notebook 可在使用案例中使用。例如，Contextual Anomaly Detection notebook 可用于查找超出正常操作范围的传感器读数。您也可以在本地将 Jupyter Notebook 下载到您的系统上。
系统架构
以下是该解决方案的高级架构。它显示了 Amazon Web Services 服务如何用于资产状况监控：
成本优化
在此解决方案中，数据不断地流式传输到 Amazon Web Services 以进行处理和分析。由于来自远程位置的过多数据传输可能会增加成本，因此您可以使用部署在 Amazon Web Services IoT Greengrass Core 上的 Lambda 函数，并仅将使用案例所需的数据发送到云。例如，在这种情况下，您可以在 Lambda 函数中实现逻辑，在本地（在边缘）分析来自涡轮机的数据流，并仅在检测到异常值时才向 Amazon Web Services IoT Core 发送消息。
物联网项目合作伙伴的价值
物联网项目涉及很多设备和技术领域 – 从传感器和执行器到复杂的机器学习算法不等。Amazon Web Services网络咨询合作伙伴专门指导您完成生产规模物联网解决方案的开发。您的业务成果改进仅受限于您团队的想象力。要了解更多信息，请访问 Amazon Web Services 合作伙伴网络。
后续步骤
在本博文中，我向您展示了如何使用 Amazon FreeRTOS 和 Amazon Web Services IoT Greengrass 来在边缘感知物理属性，使用 Amazon Web Services IoT Core 将数据传输到 Amazon Web Services，以及使用 Amazon Web Services IoT Analytics 来执行分析。资产状况监控是实现大型数字化转型战略的第一步。Amazon Web Services IoT 服务通过与其他服务的集成来支持持续创新。既然现在可以收集设备数据，您可以修改此架构以使用机器学习并启用预测性维护。这有助于您最大限度地提高资产性能并提前预测故障。
相关文章